Lineární programování

- metoda operačního výzkumu

- cílem je najít optimální řešení složitého problému, který je většinou ekonomický a je popsán lineárním
modelem o dané struktuře
- programování = plánování/vytváření budoucího vývoje

Tvorba modelu (účelová funkce, omezující podmínky, podmínky nezápornosti).

Druhy úloh
 Výrobní
 Nutriční/směšovací
 Investiční
 Dopravní

Účelová funkce
 Nebo-li cíl úlohy
 Maximalizační
o Tržeb, zisku, objemu produkce, výživových hodnot, užitku
 Minimalizační
o Nákladů, rizika
 Vždy se snažíme najít nejlepší (optimální řešení) v množině přípustných hodnot (ta je tvořena omezujícíma
podmínkama)
o Podle toho posouváme křivku buď nahoru či dolů (maximalizujeme/minimalizujeme)
 4x1+5x2 -> max
Omezující podmínky
určují nám specifické meze, ve kterých můžeme rozhodovat
 Poptávka, nabídka, maximální kapacity atd.
 >=; <=; =
 Levá a pravá strana
 7x1-2x2 <= 45
Podmínky nezápornosti
 V každé úloze (až na výjimky)
 Není možné vyrobit záporné množství výrobků
 S výjimkou znaménka = při převodu na duální model
 x1,2 >= 0
Přípustné řešení
 Množina, která splňuje zadané podmínky omezení (jejich průnik)
 ∞ mnoho řešení – nejčastější případ
 1 řešení – platí pouze výjimečně
 0 řešení – platí pouze tehdy, pokud neexistuje žádná varianta, jak splnit všechny podmínky

Optimální řešení
 Takové řešení, kdy je dosáhnuto nejlepší možné kombinace z přípustných řešení
 ∞ mnoho řešení – výjimečný případ
 1 řešení – nejčastější varianta řešení
 0 řešení – platí pouze, pokud neexistuje žádná varianta, jak splnit všechny podmínky + ještě případ, kdy
řešíme neomezenou maximalizační úlohu

Proměnná modelu
 Vyjadřuje množství (vyrobeného produktu, látky ve směsi, suroviny)
 Kolik je proměnných, tolik je různých druhů (výrobků, látek, surovin)
 x1 ; x2 atd.
Poměrové podmínky a podmínky se zpětnou vazbou – jejich tvorba a specifika.
Poměrové podmínky
 Není určená jednotka
 Ve tvaru racionální lomenné funkce
 nakonec je třeba převést na lineární tvar
 x2 / x1 => 3 / 2 ……>>>….. -3x1+2x2 >= 0
Zpětná vazba
 Zejména u výrobních úloh
 Když bývá zapotřebí jeden z finálních produktů použít jako surovinu pro nový produkt
 Vytvoří se nová omezující podmínka např. ve tvaru
 x3 <= x1 ……>>>….. -x1+x3 <= 0
o interpretuje se to jako „na výrobu jedné jednotky suroviny x3 je potřeba jedné jednotky suroviny x1“
o to se poté dosadí do účelové funkce – otočí se znaménka
 4x1+5x2 -> max ……>>>….. 4(x1-x3)+5x2+6x3 -> max ……>>>….. 4x1+5x2+2x3 -> max

Grafické řešení (jak zaznamenat PVO a ÚF, jak vypadá množina přípustných
řešení a jak se hledá a interpretuje optimum).
Grafické řešení
 Používá se u jednoduchých úloh
 Maximálně 3 proměnné, nejčastěji 2
 Osa x = proměnná x1; Osa y = proměnná x2

PVO
 Kvůli podmínkám nezápornosti musí být přípustná řešení pouze v I. Kvadrantu
 PVO převedeme na přímky
o 4x1+2x2 = 12
 Za x1 dosadím 0 a vyjde mi tak průsečík s x2 = 6 – zaznamenám bod [0;6]
 Za x2 dosadím 0 a vyjde mi tak průsečík s x1 = 3 – zaznamenám bod [3;0]
 Tyto hodnoty spojím přímkou
o 4x1+2x2 <= 12
 Znaménko mi značí směr dané poloroviny
 Konkrétně zde musí být levá strana rovnice menší nebo rovna 12
 Tzn. můžu dosadit např. x1 = 0 a x2 = 0 a zjistím, že při doplnění do rovnice splňují podmínku
nerovnosti (výsledek rovnice je menší nebo roven 12) a tím pádem bude polorovina
směřovat tímto směrem
 Pro zkoušku - pokud zvolím vyšší čísla např. x1 = 5 a x2 = 4, tak tyto hodnoty nebudou
splňovat nerovnost (výsledek rovnice bude větší než 12 a tato polorovina to nebude)
 Výsledkem všech omezujících podmínek je množina přípustných řešení (průnik polorovin)
 Může se stát, že přípustné řešení nemusí existovat a to tehdy, když se PVO navzájem vylučují
o x1 + x2 <= 3 a zároveň x1 + x2 >= 5
 Kromě toho se může stát, že bude existovat pouze jedno přípustné řešení (které bude i optimální)
o X1+x2 = 5 a zároveň 0,5x1 + x2 = 4
Bazické řešení
 Jsou to vrcholy polygonu v grafu přípustných řešení

Hlavní věta LP
 Pokud existuje optimální řešení, tak existuje optimální řešení, které je zároveň bazickým řešením

Účelová funkce
 Musíme najít 2 body na přímce účelové funkce
 4x1+5x2 -> max
o První bod na přímce bývá [0;0], tzn. musíme za x1 a x2 dosadit 0 a tuto rovnici položíme = 0
 o Druhý bod nalezneme tak, že dosadíme za proměnné koeficienty opačných proměnných (s tím že
jedna z nich musí být opačného znaménka, abych rovnici opět vynuloval), tzn. za x1 dosadím číslo 5 a
za x2 číslo -4… Druhý bod na přímce bude [5;-4]
 Dané body spojím přímkou a mám účelovou funkci
 Pokud se jedná o maximalizační ÚF, tak se budu snažit „tahat“ tuto ÚF co nejvýše to půjde (u minimalizační
ÚF naopak, budu ji tahat co nejníže), tzn. přímka se bude dotýkat množiny přípustných řešení
 Pokud přímka už dále „tahat“ nejde a protínají ji 2 další přímky, které jsou omezujícími podmínky, tak jsme
našli bod optima
 Souřadnice tohoto bodu se počítají tak, že vyřešíme soustavu rovnic (sčítací metoda nejlépe, omezující
podmínky musíme převést z tvaru nerovnic na rovnice)
 -x1+x2 = 2; x1+x2 = 4 ……>>>…… x1 = 1; x2 = 3
o Bod optima je v souřadnicích [1;3]
 Při rozšíření o poměrovou podmínku najdeme body této přímky stejně jako u účelové funkce (1.bod dosazení
nul, 2.bod výměna koeficientů)

Posuny přímek (PVO, ÚF)

 Zvýšení pravé strany u PVO = posun přímky nahoru
 Snížení pravé strany u PVO = posun přímky dolů
 Zvýšení konstanty u x1 proměnné PVO = náklon přímky nahoru
 Snížení konstanty u x1 proměnné PVO = náklon přímky dolů
 Zvýšení konstanty u x2 proměnné PVO = náklon přímky dolů
 Snížení konstanty u x2 proměnné PVO = náklon přímky nahoru
 Zvýšení konstanty u x1 proměnné ÚF = náklon přímky nahoru
 Snížení konstanty u x1 proměnné ÚF = náklon přímky dolů
 Zvýšení konstanty u x2 proměnné ÚF = náklon přímky dolů
 Snížení konstaty u x2 proměnné ÚF = náklon přímky nahoru

Duální model (jeho význam, tvorba, struktura).

Dualita
 Vztah mezi dvojicí modelů – primárním (zadaným modelem) a duálním
 Ke každé úloze LP vždy existuje k primárním modelu jeho duální model
 Používá se především pro analýzu citlivosti – stínové a redukované ceny

Tvorba modelu
 Z maximalizační (minimalizační) ÚF v primárním modelu se stane minimalizační (maximalizační) ÚF v duálním
modelu
 Musíme sjednotit směr nerovnic
o Tzn. pokud máme maximalizační úlohu v primárním modelu, tak by měly být všechny PVO ve tvaru
<=
o Pokud máme minimalizační úlohu v primárním modelu, tak by měly být všechny PVO ve tvaru >=
o Docílíme toho tak, že dané PVO vynásobíme -1, znaménko se tak otočí
 Kolik máme PVO v primárním modelu, tolik máme proměnných v duálním modelu
 Ke každé proměnné ÚF v duálním modelu přiřadíme postupně pravé strany PVO primárního modelu
 PVO v duálním modelu tvoříme tak, že zaměníme řádky za sloupce z primárního modelu (transponovaná
matice) – tzn. kolik je proměnných v primární modelu, tolik je PVO v duálním modelu
 Pravé strany PVO v duálním modelu budou tvořit konstanty z účelové funkce primárního modelu
 Výjimka
o Pokud je jedna z PVO primárního modelu ve tvaru rovnice a ne nerovnice, tak v duálním modelu pro
tuto proměnnou nebude platit podmínka nezápornosti, může nabývat všech reálných čísel

Duální proměnná
 Optimální hodnota duální proměnné je stínovou cenou
 Ta udává, jak se změní hodnota ÚF v primárním modelu, pokud zvýšíme pravou stranu PVO v primárním
modelu o jednu jednotku

Přídatná proměnná duálního modelu

 Nazýváme ji redukovanou cenou
  Říká, o kolik se musí změnit koeficient proměnné v ÚF primárního modelu, aby optimální hodnota proměnné
v primárním modelu nebyla nulová (aby se daný produkt začal vyplácet vyrábět)

Interpretace výsledků modelu LP (jak interpretovat hodnoty rozhodovacích

proměnných, účelové funkce, přídatných proměnných, stínových cen,
redukovaných cen, intervalů stability) – a to i z výstupních sestav Řešitele MS
Excel.
Proměnné účelové funkce
 Říkají nám, jaké je optimální množství dané suroviny, abychom maximalizovali (minimalizovali) zisk (náklady)

Přídatná proměnná primárního modelu

 Značí se jako (s)
 Udává, jaký je rozdíl mezi pravou a levou stranu v PVO
 >= ; nám přídatná proměnná značí, o kolik jsme převýšili minimální požadovanou hodnotu podmínky
 5214,41 >= 5000
o s = -214,41
 <= ; nám přídatná proměnná značí kolik nám ještě chybí do toho, abychom naplnili limit podmínky
 836 <= 1000
o s = 164

Stínová cena
 Najdeme ji ve vygenerovaná citlivostní analýze – Tabulka Omezující podmínky
 Udává, o kolik se změní hodnota ÚF primárního modelu, pokud zvýšíme pravou stranu jedné z PVO o jednu
jednotku

Redukovaná cena
 Najdeme ji ve vygenerované citlivostní analýze – Tabulka Proměnné
 udává o kolik by se měly koeficienty proměnných v ÚF primárního modelu zvýšit (v případě maximalizační
ÚF), nebo snížit (v případě minimalizační ÚF), aby se začal daný produkt vyrábět
 Pokud redukovaná cena = 0, tak není třeba měnit koeficienty, protože se daný produkt už vyrábí

Intervaly stability
 Předpokládáme vždy změnu pouze jednoho parametru, ne více
 Interval stability pro cenové koeficienty (Vygenerovaná citlivostní analýza – Tabulka Proměnné)
o Udává, o kolik může narůst, či poklesnout daný koeficient proměnné, aniž by se změnily optimální
hodnoty ostatních proměnných
o Při překročení povoleného nárustu/poklesu dojde ke změně optimálních hodnot
 Interval stability pro pravé strany (Vygenerovaná citlivostní analýza – Tabulka Omezující podmínky)
o Udává, o kolik se může pravá strana zvýšit, či snížit a bude stále splňovat zadanou podmínku
o Při překročení povoleného nárustu/poklesu nebude možné úlohu vyřešit, nenajdeme optimální
řešení

Vícekriteriální modely (dominance a její význam, použití vah a vzdálenosti od

optimálních hodnot pro nalezení optimálního (kompromisního) řešení úlohy.
Význam
 Téměř každá firma má více cílů zároveň, a ne pouze jeden
 Cílem je sloučit více účelových funkcí do jedné (případně vytvořit i nové PVO)
 Pokud máme dvě maximalizační funkce, tak je prostě sečteme a vyjde nová maximalizační funkce
 Pokud ale máme jednu maximalizační a druhou minimalizační, tak je zapotřebí jednu z nich pronásobit -1 a
až poté sečíst s tou druhou

Dominance
 Vektor x je dominovaným (podřazeným) řešením, pokud existuje v množině přípustných řešení jiný vektor x‘,
který nám nabízí lepší hodnotu z pohledu všech ÚF
 Optimálním řešením vícekriteriální optimalizační úlohy NEMŮŽE být nikdy dominované řešení!!!
Metoda prosté agregace dle stanovených vah
 nejjednodušší a nejintuitivnější metoda
 váhy lze chápat jako procentuální rozdělení preferencí rozhodovatele
 výsledná ÚF vznikne pronásobením původních ÚF příslušnými stanovenými vahami a jejich následným
sečtením
 agregací ÚF pomocí vah vstupuje do modelu subjektivní pohled rozhodovatele. Výsledná ÚF je funkcí užitku,
a tudíž ztrácí své původní jednotky. Hodnoty původních ÚF se pak musí dopočítat dosazením

Minimalizace vzdálenosti od optima monokriteriálních úloh

opt
Ideální hodnotu pro i-tou ÚF označíme jako z i . Jedná se o optimální hodnotu této ÚF na množině přípustných
řešení. Ideální hodnotu by bylo možné získat optimalizací příslušné ÚF běžnou simplexovou metodou.
Simplexová metóda je iterační výpočetní postup pro nalezení optimálního řešení úlohy lineárního programovaní.
 výhodou je, že nemusíme zadávat jakékoli váhy
 nevýhoda je nárust proměnných a PVO do modelu

Dopravní úlohy – princip, struktura modelu, specifika, bazické řešení pomocí

Indexní metody, přiřazovací problém.
Princip
Cílem dopravní úlohy je najít optimální rozvržení distribuce nějakého zboží či materiálu od dodavatelů
k odběratelům.
Optimálním rozvržením zpravidla rozumíme takové rozvržení, které nese minimální celkové náklady.

Struktura modelu
Rozhodovací proměnné – rozhodujeme o tom, jaké množství zboží přepravíme od i-tého dodavatele j-tému
odběrateli.
Požadované vstupy – musíme znát:
 kolik existuje dodavatelů
 kolik existuje odběratelů
 jaké náklady přinese transport 1 jednotky zboží od i-tého dodavatele j-tému odběrateli
 jaká je kapacita každého dodavatele, tudíž i celková kapacita zboží na trhu (nabídka)
 jaké jsou požadavky každého odběratele, tudíž i celkové požadavky na zboží na trhu (poptávka)
Účelové funkce – minimalizujeme náklady na celkový rozvrh dodávej
PVO
- žádný dodavatel nemůže dodat více(ale nechce ani méně), než je jeho výrobní kapacita
- žádný odběratel nechce odebrat více (ale ani nemůže méně), než jsou jeho požadavky
Podmínky nezápornosti

Specifika
vyrovnaný problém – dodavatelé jsou schopni dodat přesně takové množství, jaké jsou odběratelé schopni nakoupit
nevyrovnané problémy máme 2: převis nabídky nad poptávkou; převis poptávky nad nabídkou
Aby se dala úloha vyřešit musí se nejdříve převést na problém vyrovnaný – a to zavedením fiktivního subjektu –
dodavatele nebo odběratele.

Bazické řešení pomocí indexní metody

Postupně obsazujeme pole s nejnižší sazbou, přičemž postupujeme od sazeb nižších k sazbám vyšším. Vyskytuje-li se
v tabulce více stejných sazeb, potom vybíráme libovolnou z nich. Nulové sazby (tedy ty, které odpovídají fiktivním
přepravám) obsazujeme jako poslední v pořadí.

Přiřazovací problém
speciální případ dopravních úloh, který řeší např. problematiku optimálního přiřazení strojů na pracoviště
s minimalizací najetých kilometrů
Vždy právě n proměnných z celkového počtu n^2 nabývá kladných hodnot (přesně 1), zbytek proměnných je
nulových – přiřazovací problémy jsou silně degenerované => snížení efektivity simplexového algoritmu.

Strukturní Analýza
kvadranty
I. kvadrant – přímá spotřeba – vazba mezi obory uvnitř ekonomického systému = endogenní mezioborvé toky
II. kvadrant – finální spotřeba- dodávky produkce u jednotlivých oborů do okolí = exogenní toky vně
III. kvadrant - spotreba primárních činitelů a hodnot přidaných zpracováním z vonkajšieho okolia dovnútra
výrobným odborom, t.j. exogénne toky dovnútra,
IV. kvadrant - toky primárních zdrojů do finální spotřeby - väzby primárnych činiteľov a hodnoty pridané
spracovaním vonkajším odberateľom (prerozdelenie)

Klasifikace strukturních modelů

- lineárne - väzby v ekonomickom systéme sú zobrazované lineárne
- deterministické - uvažované vzťahy nie sú náhodnými veličinami
- statické - veličiny v šachovnicovej tabuľke sa vzťahujú k jednému časovému obdobiu
- uzavreté - v modeli nie je uvažovaný finálny odbyt
- otvorené - v modeli sa finálny odbyt pripúšťa

Prvky šachovnicovej tabuľky

n = počet výrobných odborov O1, O2, On
xi = objem celkovej produkcie i-tého odboru
yi = objem konečného odbytu i-tého odboru odberateľom
xij = objem výrobnej spotreby produkcie i-tého odboru v j-tom odbore
mj = objem spotreby primárnych činiteľov v j-tom odbore
zj = súhrn hodnoty pridanej spracovaním v j-tom odbore
80 = množstvo produkcie i-tého odboru spotrebovanej j-tým výrobným odborom na 1 jednotku produkcie vyrobenej
v j-tom odbore

Struktura bilance meziodborových vztahů

2 bilancie:
1. bilancia predstavuje řádky šachovité tabulky a je to rozdělení produkce do jednotlivých výrobných odborů a finální
spotřeby (odbytu)
2.bilancia predstavuje sloupce šachovité tabulky a je to bilancia na vyrobenou produkci jednotlivých odborů
Predpoklad pre bilančnú rovnováhu 1 je funkčný vzťah medzi priamou výrobnou spotrebou (xij) a celkovou
produkciou (xj).
Leontiefova matice = prvek (i,j) matice vyjadřující přímý vliv jednotky celkové produkce i-tého odboru (x) na finální
odbyt j-tého odboru (y).

Bilančná rovnica rozdelenie produkcie = ⃗x = A ⋅ ⃗x +⃗y

 Matice A - technických koeficientů
- je to matice přímé spotřeby

- znázorňuje normy spotřeby uvnitř systému

- vypočtu ji tak, že výrobní spotřebu daného oboru vydělím celkovou produkcí daného oboru

- a11 = 800 : 4000 = 0,2 = tzn. na 1 Kč produkce 1.oboru potřebujeme 0,2 Kč také z 1.oboru

- a12 = 800 : 2000 = 0,4

- a13 = 1890 : 9000 = 0,21 = tzn. na 1 Kč produkce 3.oboru potřebujeme 0,21 Kč z 1.oboru

E = jednotková matice = na diagonále jsou 1 = potřebuju jí k výpočtu Leontiefovy matice

E – A = leontiefova matice = jedná se pouze o rozdí l matice E a A

matice komplexní spotřeby = inverzní matice k matici leotiefově = (E – A)-1 (příp. matice B)
- je potřebná k výpočtu celkové produkce v následujícím roce

- uvádí jak moc velkou část celkové produkce potřebujeme, abychom uspokojili 1 Kč poptávky

Síťová analýza
- významná metoda kvantitativní podpory řízení (využití v oblasti plánování projektů)
- je založena na aplikaci poznatků teorie grafů (oblast aplikované matematiky – zabývá se obecně grafy a
výpočty v nich)

- metody síťové analýzy čerpají poznatky teorie sítí  algoritmy a principy konstrukce

- oblast potřebná k plánování projektů

- výběr konkrétních principů z širší teorie sítí

stručný úvod do teorie grafů a teorie sítí

- graf

o nástroj, kterým jednoduše vyjádříme matematicky složitý jev

o uspořádaná množina dvojic vrcholů V a hran E

o uzel (vrchol)
 ▪ libovolný objekt, nebo součást jevu (např. místo, osoba, věc, časový okamžik)

o hrana = diskrétní vazba mezi vrcholy (cesta, vztah, tok, spojení)

2 druhy návaznosti hran – graf může být:
a) neorientovaný = vazby mezi uzly nemají směr

b) orientovaný = zajímá nás směr

síť (network)
- graf, zpravidla rozsáhlejší

- orientovaný, neorientovaný, i kombinace různých forem

- zobecnění aplikace poznatků obecné teorie grafů na konkrétní problémy

- využívají se nejrůznější algoritmy, které se dají použít na různé účely

aplikační oblasti algoritmů teorie sítí

- doprava: vyhledávání optimálních dopravních spojení, plánovaní rozvozů, navigace (uzly představují např. křižovatky)

- informatika
o analýza sociálních sítí (vyhledávání optimálních spojení mezi uživateli, analýza dosahu, navrhování obsahu, apod.) – Facebook nám navrhuje lidi k přidání do
přátel na základě společných známých, podobných zájmů, vzdálenosti, …

- biologie a medicína: analýza šíření chorob

- management a plánování projektů: časové plánovaní  síťová analýza, plánování alokace nákladů a zdrojů

síťová analýza a plánování projektů

- sa = nástroj tvorby podkladů pro plánování a řízení průběhu činností (aktivit) v projektech

- projekt

o soubor věcně a chronologicky navazujících činností

o má definovaný začátek, cílový stav, zdroje a danými návaznostmi mezi činnostmi

- je skupina speciálních analytických metod, které se používají v případech, kdy je třeba analyzovat nebo
optimalizovat nějakou síť vzájemně propojených a souvisejících prvků, které mají mezi sebou nějakou
souvislost.
- činnost = úkon nebo ohraničený soubor úkonů = provádějí se za účelem dosažení cíle (cílového stavu) projektu

o je třeba stanovit si časový plán = kdy mají činnosti začít a skončit, aby bylo dosaženo plánovaného cílového stavu

hlavní cíl užití SA

- stanovit očekávaný časový průběh činností, které mají podle plánu proběhnout v rámci projektu

o je třeba stanovit si i časovou rezervu, pro případ neočekávaného průběhu

o deterministické předpoklady = metoda kritické cesty

o stochastické pojetí procesu = předpokládá se, že né vše je dáno/né vše je jisté („činnost bude
probíhat + - 2 dny“)

- výhoda SA

o lze ji kombinovat s ostatními metodami optimální alokace omezených zdrojů (např. jak zkrátit
činnosti, abychom si v projektu vytvořili časovou rezervu)

metody síťové analýzy

- postupy, které jsou praxí prověřené

- soubory technik, nástrojů a výpočetních postupů

 - zvažujeme deterministickou i stochastickou variantu

- jsou orientovány na nějaké konkrétní problémy

3 základní metody SA
1. metoda kritické cesty = CPM

2. technika evaluace a revize projektu = PERT

o umožňuje pracovat se stochastičností doby trvání

3. technika grafické evaluace a revize = GERT

o umožňuje pracovat mj. se stochastičností vazeb mezi činnostmi

o je nejsložitější

o založena čistě na grafické interpretaci projektu

dále také:

1. metoda CCM (Critical Chain Method)

2. metoda MPM (Metra Potential Method)

jak vybrat vhodnou metodu SA ?

- záleží na tom, jak přesné výsledky potřebujeme (CPM je přesnější než PERT)

o zda můžeme dopředu usuzovat spíše na náhodnost nebo očekávatelnost průběhu činností

o zda může při průběhu vzniknout „fronta požadavků“, které se musí postupně plnit

o zda se může určitá činnost opakovat

rozšíření metod síťové analýzy

- výstupem základních metod SA je především časový harmonogram

o časový plán průběhu činností (= předpoklad)

o různá úroveň složitosti

- další aspekty plánovaní projektů, tj. náklady a alokace zdrojů, vyžadují aplikaci rozšíření metod SA

- příklady některých z populárních rozšíření metod SA

o CCM = metoda kritických řetězců = plánování z hlediska ohrožení absencí klíčových zdrojů

o PERT/COST = ocenění průběhu činností i z hlediska penalizace zpoždění

o LESS = využití mat. programování k nalezení optimální varianty zkrácení trvání projektu vzhledem
k nákladům tohoto zkrácení

o plánování souběžně probíhajících projektů se sdílenými zdroji = jak rozvrhnout zdroje potřebné
k více projektům

metoda kritické cesty = CPM

- pro uzlově orientované grafy

- doba trvání činnosti je deterministickou veličinou = nepřipouští se žádná stochastičnost

- použití zejména tam, kde se dá stanovit doba trvání s vyšší až vysokou mírou jistoty

- Jejím cílem je stanovení doby trvání projektu na základě délky tzv. kritické cesty.
: nalezení kritické cesty v projektu pro následnou analýzu
 - cíl: najít v síti nejdelší (kritickou) cestu z počátečního uzlu do koncového uzlu a určit časové termíny všech
činností

- Kritická cesta je definována jako (časově) nejdelší možná cesta z počátečního bodu grafu do koncového bodu
grafu. Každý projekt má minimálně jednu kritickou cestu.

postup metody CPM

1. rozdělení do jednotlivých řádů

o provádí se v uzlo-uzlové matici zápisem 1 a 0

o matice sousednosti = v každém řádku matice je zachycena sousednost (která matice se kterou
sousedí)

o vždy se jedná o čtvercovou matici

▪ tj. m X m (m = počet činností v projektu)

2. sestavení orientovaného grafu

o je řazen podle jednotlivých řádů

3. výpočet časových údajů

o nejdříve možný začátek a konec (beru max. hodnoty)

o nejpozději přípustný začátek a konec (beru min. hodnoty)

o celková rezervy (rozdíl konečných termínů)

o volná rezerva (počátek následovné činnosti – konec předcházející činnosti)

4. stanovení kritické cesty

o z časového hlediska se jedná o nejdelší možnou cestu v projektu, protože tam není žádná rezerva

o celkové i volné rezervy jsou 0

celková rezerva = TF
- celková doba, o kterou se může opozdit plánovaný konec činnosti, aniž dojde zároveň k posunutí termínu
plánovaného konce celého projektu
volná rezerva = FF
- celková doba, o kterou se může opozdit plánovaný konec činnosti, aniž dojde k posunutí termínu
plánovaného začátku bezprostředně navazující činnosti

principy časové analýzy dle metody CPM

1. finish-to-start: nalezení kritické cesty

2. finish-to-finish: činnosti mohou probíhat paralelně, ale je tam určitá věcná návaznost ve vztahu k dokončení

3. start-to-start

o začátek jedné činnosti určuje začátek činnosti navazující

o např. příprava startu rakety  monitoring všech systémů

4. start-to-finish

o pro dokončení jedné činnosti je nutno počkat na započetí jiné klíčové činnosti

o např. práce na noční  nástup noční směny

časový polštář
- do vazby vpravím nějaké zpoždění (konce nebo začátku činnosti)
 - používá se u né moc spolehlivých zdrojů

- nepoužívá se u metody finish-to-start

rozšíření metody CPM

analýza alokace zdrojů
- průběh činností projektu většinou vyžaduje přiřazení zdrojů (kromě např. čekání na rozhodnutí)

- při plánování a řízení projektů nás zajímá především alokace lidských zdrojů

o další zdroje projektu: technické, materiální

- účel analýzy alokace zdrojů: zjistit, zda jsou zdroje v projektu alokovány efektivně a nekonfliktně

o zda není požadováno více zdrojů, než je k dispozici, nebo zda zdroje nejsou přealokovány

Ganttův diagram
- grafické znázornění naplánování posloupnosti činností v čase, které se využívá se při řízení projektů nebo
programů

- slouží pro získání lepšího přehledu o počtu a době souběhu více činností najednou

- duchovním otcem je Henry Laurence Gantt. Ganttův diagram zobrazuje ve sloupcích (horizontálně) časové období ve
kterém se plánuje.

- Podle délky plánovaného projektu se zobrazuje období v odpovídající podrobnosti (roky, měsíce, týdny, dny).

- V řádcích (vertikálně) se pak zobrazují dílčí aktivity (někdy nazývány jako úkoly) - tedy kroky, činnosti nebo
podprojekty a to v takovém pořadí, které odpovídá jejich logickému sledu v plánovaném projektu (viz WBS). Délka
trvání dané aktivity je pak vztažena k časovému období.

Co může být v řádcích Ganttova diagramu: činnosti, kroky, projekty, subprojekty

Co může být ve sloupcích Ganttova diagramu: roky. měsíce, týdny, dny, (hodiny)

- jde zde provést analýza zdrojů (např. personálních) tím, že pod danou časovou jednotku napíšu, kolik zdrojů
potřebuju  zjistím tak, zda zdrojů nemám málo nebo naopak hodně

o v případě nedostatku zdrojů je možné prodloužit činnost, najmout externí zdroje, …

optimální varianta zkrácení projektu vzhledem k minimalizaci celkových nákladů zkrácení

– LESS
- riziko selhání plánu projektu

o příliš mnoho kritických činností může znamenat vyšší riziko selhání plánu projektu

o míra kritičnosti = podíl počtu kritických a počtu činností celkem

- LESS a kritické cesty

o analýzou kritické cesty zjišťujeme, jak můžeme ovlivnit pláno projektu nebo jeho zadání, abychom
snížili riziko selhání plánu projektu  uměle navýšíme časové rezervy

o extrémní možnost: např. sloučit stávající činnosti

o méně extrémní možnost: zkrácení doby trvání činností oproti původnímu plánu

▪ zkrácení může být výsledkem: dodání nových zdrojů, zakoupení prémiových služeb, …
metoda PERT
- Metoda PERT je zobecněním metody kritické cesty CPM. Tato metoda se používá k řízení složitých akcí
majících stochastickou povahu.

- Zde se doba trvání každé dílčí činnosti chápe jako náhodná proměnná mající určité rozložení pravděpodobnosti.
Empiricky bylo zjištěno, že v praxi toto nejlépe vystihuje tzv. beta rozdělení, které lépe vystihuje proměnlivost
provozních podmínek (například důlní provoz)

- pro každou činnost se definují 3 časové charakteristiky = BETA rozdělení pravděpodobnosti

- tato metoda může sloužit, stejně jako ostatní metody síťové analýzy, pro odhad doby trvání projektu. Je používána
alternativně k metodě CPM. Především je metoda PERT využívána v rámci řízení projektů a v oblasti logistiky a
dopravy.

a optimistický odhad nejkratší předpokládaná doba trvání činnosti

b pesimistický odhad nejdelší předpokládaná doba trvání činnosti
m normální/modální odhad nejpravděpodobnější doba trvání činnosti

stochastická doba trvání činnosti

- náhodná veličina X

o proměnná, jejíž hodnota x je jednoznačně určena výsledkem náhodného pokusu elementárních

výsledků náhodného pokusu

- rozdělení pravděpodobnosti f(x)

o chápeme jako zobrazení f, které každému jevu x přiřazuje číslo, které charakterizuje
pravděpodobnost nastání tohoto jevu

cíl metody PERT

- cílem je takové uspořádání činností, které by zajistilo dodržení termínu dokončení projektu s dostatečně
vysokou pravděpodobností

- základní odlišnost PERTu od CPM

je dána pouze s určitou pravděpodobností (doba trvání je náhodnou veličinou s určitým rozdělením
pravděpodobnosti BETA)

- rozdělení BETA

o je velmi blízné normálnímu

o je spojité, jednovrcholové, mírně asymetrické, ale na rozdíl od normálního je oboustranně

ohraničené

nalezení kritické cesty v PERT

1. pro každou činnost se stanoví odhady a, b, m a odhadnou se statistiky střední hodnoty (t) a rozptyly
jednotlivých činností

1. vypočte se STŘEDNÍ hodnoty nejdříve možných termínů činností podobně jako v CPM

2. vypočte se STŘEDNÍ hodnoty nejpozději přípustných termínů činností podobně jako v CPM

3. stanoví se celkové rezervy činností a kritická cesta

o činnosti, které mají celkovou rezervu 0 leží na kritické cestě

o celková rezerv

5. určí se rozptyl kritické cesty

typické úlohy
- stanovení pravděpodobnosti dodržení plánovaného termínu dokončení projektu

o zscore= (Tplan-střední hodnota)/směrodatná odchylka

 - stanovení plánovaného termínu dokončení projektu pro danou pravděpodobnost

Pravděpodobnost F-1x směrodatná odchylka + střední hodnota